胶质母细胞瘤转录组及转录后可变剪接过程的生物信息学分析及风险预测模型构建

• 作 者: 李有维
• 出 处: 华中科技大学
• 发表日期: 2020年01期

背景转录组中信使RNA（message RNA,m RNA）及长链非编码RNA（long non-coding RNA,lnc RNA）表达水平的变化及转录后的可变剪接（alternative splicing,AS）调控机制已被证实在胶质母细胞瘤（glioblastoma multiforme,GBM）发生和进展的过程中发挥重要作用。我们研究的目的是采用生物信息学方法,系统的分析识别与胶质母细胞瘤预后密切相关的目标m RNA和lnc RNA及可变剪接事件（alternative splicing event,ASE）。方法我们从The Cancer Genome Atlas（TCGA）和The Genotype-Tissue Expression（GTEx）两个公用数据库中下载GBM样本及正常脑组织作为对照样本的转录组数据。GBM和对照样本中差异表达m RNA,lnc RNA及相关micro RNA（mi RNA）被用来构建竞争性内源RNA（competing endogenous RNA,ce RNA）网络,并进行功能富集分析。采用单变量Cox回归、lasso回归和多变量Cox回归等统计学方法验证独立预后因素,构建风险预测模型。采用定量PCR（quantitative polymerase chain reaction,q PCR）方法检测人GBM临床标本中风险预测模型中纳入的lnc RNA表达水平。此外,基于我们的预测模型和临床协变量,使用诺模图来进行GBM病人的预后可视化分析。根据TCGA数据库下载的GBM可变剪接数据及相应的临床资料,进行Kaplan-Meier生存分析和单变量Cox分析来鉴别预后相关ASE。通过文献和数据库检索,我们确定经实验验证或预测的在恶性肿瘤发生及进展中发挥重要作用的剪接因子。这些剪接因子与预后相关ASE被纳入可变剪接相关网络。Lasso回归及多变量Cox分析验证可作为独立预后预测因子的ASE,并构建风险预测模型。随后,我们采用诺模图可视化可变剪接风险预测模型。结果在GBM转录组中,我们共筛选出2023个差异表达基因（differentially expressed gene,DEGs）,包括56个lnc RNA、1587个m RNAs和380个其他RNA。基于预测数据库,我们构建了包含16个lnc RNA、32 mi RNAs和99 m RNA的ce RNA网络,功能富集分析提示该ce RNA网络中多种恶性肿瘤相关信号传导通路富集。此外,我们基于独立lnc RNA预后因子构建的风险预测模型在预测病人1年、2年和3年的生存概率时都表现优异,曲线下面积（area under curve,AUC）＞0.7。基于预测模型风险值和临床协变量（年龄和术后治疗方案）的诺模图被用于可视化风险预测模型,其一致性指数为0.774,表明模型具有良好的预测效果。在GBM可变剪接分析过程中,我们共纳入了45610个ASE,其中共确定了416个与预后相关的ASE。我们构建了包括54个ASE和94个剪接因子的AS相关网络,进一步的功能富集分析提示该网络中相关基因与细胞增殖、迁移、凋亡和肿瘤免疫相关。此外,我们构建的新型风险预测模型在预测病人1年、2年和3年的生存概率时都表现优异,曲线下面积（area under curve,AUC）＞0.8。在本研究中,基于预测模型风险值和临床协变量（年龄和术后治疗方案）,我们构建了诺模图,模型的一致性指数为0.733,这表明其具有良好的预测效果。结论转录组差异表达基因及转录后预后相关ASE可能是影响肿瘤细胞生物学功能和病人预后的重要因素。本研究构建的风险预测模型和诺模图为GBM病人的预后预测等初步的临床应用提供了基础。同时,我们的研究结果也加深对转录及转录后相关基因学改变参与GBM发生及进展的复杂机制的理解,为进一步的预测预后及指导治疗提供新的思路。